正则表达式调试

技术说明

正则表达式由字面量字符与元字符组成，元字符赋予模式匹配能力，例如 . 匹配任意字符、* 表示重复零次或多次、[] 表示字符集。各语言的正则实现存在方言差异，常见的有 PCRE、ECMAScript 与 RE2 等。

JavaScript 的 RegExp 遵循 ECMAScript 规范，支持命名捕获组、后行断言与 Unicode 属性转义。全局标志 g 会让匹配在字符串中迭代推进，此时调用 test() 会改变 lastIndex，连续调用可能出现交替命中的现象，这是使用中较易出错的一点。

正则引擎按回溯行为分为两类：回溯型引擎表达能力强，但在嵌套量词下可能出现指数级回溯；自动机型引擎保证线性时间，但不支持反向引用与后行断言。编写模式时应避免「嵌套量词作用于可重叠的字符集」这类结构。

常见问题

为什么带 g 标志的 test() 会出现真假交替？

因为带 g 的正则对象会在实例上记录 lastIndex，下次匹配从该位置继续。若需要在循环中判断，应每次重置 lastIndex，或改用 matchAll。

什么是灾难性回溯？

指引擎在失败路径上反复回溯、耗时呈指数增长的情形。典型成因是嵌套量词匹配了可重叠的字符集，例如 (a+)+ 作用于长串的 a。

贪婪、懒惰与独占量词有什么区别？

贪婪量词先尽可能多匹配再回退；懒惰量词先尽可能少匹配再扩展；独占量词一旦匹配便不回溯，JavaScript 通过后行断言的组合来模拟类似效果。